在心力衰竭患者中通过使用人工智能技术通过心电图检测低血,低血和高血

科学领域:

• 心脏病学 心脏病学
• 医疗信息学 医疗信息学
• 生物医学工程 生物医学工程

背景情况:

• 电解质失衡对于管理代谢性疾病至关重要,特别是在心力衰竭患者中.
• 目前的检测方法缺乏可靠性和非侵入性,这给及时干预带来了挑战.
• 治疗心力衰竭的药物副作用可能会导致危及生命的电解质疾病.

研究的目的:

• 开发和评估一个深度学习模型 (DLM) 用于使用心电图 (ECG) 进行电解质失衡的非侵入性检测.
• 评估DLM在心力衰竭患者的多中心环境中的性能.
• 为每天监测电解质状况提供可靠的工具.

主要方法:

• 使用心电图 (ECG) 数据开发了一个深度学习模型 (DLM).
• 该研究包括心力衰竭患者 (排泄分数≤45%),同时进行血液电解质测量和心电图.
• 在多中心环境中,对四组的表现进行了评估:正常,低血,高血和低血.

主要成果:

• DLM实现了高准确率:低血症为83.33%,低血症为95.33%,高血症为95.77%.
• 该模型在十七个参与中心展示了强大的性能.
• 对AUROC和准确性的置信区间是使用分层启动和威尔逊分数区间计算的.

结论:

• 开发的DLM显示了对精确检测电解质失衡的巨大潜力.
• 基于心电图的DLM提供了一种非侵入性和可靠的方法,用于日常监测电解质障碍.
• 这种方法可以改善患者管理和心力衰竭的结果.